模体发现问题

1.模体发现问题

    DNA或蛋白质中具有特定功能且保守的序列片段称为 模体（也是结合位点）。

    由于突变存在，不一定完全保守， 故 实际片段 称为 模体实例。

    这里研究自动模体发现问题：从一组相关的DNA序列集合中将模体和每个序列中的模体实例找出。

2.问题描述

     给定一组含有t条DNA序列的集合S={s_l,s₂, …,s_t}，每序列的长度为n，每条序列s_i都包含有长度为l的模体m的模体实例m’，在此前提下，寻找出模体m和模体实例集M。

3.模体表示方法

    位置权重矩阵（Weight Matrix）方法；

    使用一个用概率表示权重的矩阵描述DNA序列中模体，大小为4×l。

一致（同源）序列（Consensus Sequence)方法。

将序列中每列出现最多的字符提取出来，构成碱基序列

4.植入(l,d)模体问题

  l为模体长度，d为模体与模体实例最大海明距离。（假设每条序列都有且仅有一条模体实例）

  定义l-mer为一个序列的 l长度子串

5.模体发现算法

    基于对模体的表示，模体发现算法分为两类：枚举方法（基于一致序列）和统计方法（基于位置权重矩阵），统计方法如GibbsSample,AlignACE,MEME等，但这些算法通常收敛在一个局部最优解，而不是全局最优解（真正模体），枚举方法会穷尽所有可能模体，然后将最保守的假定模体输出，虽然总能找到模体，但是确实指数级的。